rm(list = ls())
library(readxl)
url <- "https://raw.githubusercontent.com/jusalazar2/R/main/Tarea_1/tablas_dept/BOGOT%C3%81.csv"
destfile <- "Bogota.csv"
curl::curl_download(url, destfile)
icfes <- read.csv2(destfile, sep = ",", dec=".",stringsAsFactors = TRUE)
#View(icfes)
# Ver variable de un dataframe
str(icfes)
## 'data.frame': 83600 obs. of 25 variables:
## $ ESTU_DEPTO_RESIDE : Factor w/ 1 level "BOGOTÁ": 1 1 1 1 1 1 1 1 1 1 ...
## $ FAMI_ESTRATOVIVIENDA : Factor w/ 8 levels "-","Estrato 1",..: 4 4 4 5 4 3 3 5 3 3 ...
## $ FAMI_PERSONASHOGAR : Factor w/ 7 levels "","-","1 a 2",..: 7 4 4 4 4 4 4 4 4 2 ...
## $ FAMI_EDUCACIONPADRE : Factor w/ 14 levels "","-","Educación profesional completa",..: 13 10 11 7 11 4 13 8 11 12 ...
## $ FAMI_EDUCACIONMADRE : Factor w/ 14 levels "","-","Educación profesional completa",..: 13 11 12 7 8 3 11 5 11 14 ...
## $ FAMI_TIENEINTERNET : Factor w/ 4 levels "","-","No","Si": 4 3 4 4 4 4 4 3 4 3 ...
## $ FAMI_TIENECOMPUTADOR : Factor w/ 4 levels "","-","No","Si": 4 4 4 4 4 4 4 3 4 2 ...
## $ FAMI_COMELECHEDERIVADOS : Factor w/ 6 levels "","-","1 o 2 veces por semana",..: 6 6 6 6 6 6 4 3 4 4 ...
## $ FAMI_COMECARNEPESCADOHUEVO : Factor w/ 6 levels "","-","1 o 2 veces por semana",..: 4 6 5 6 6 6 4 5 3 4 ...
## $ FAMI_COMECEREALFRUTOSLEGUMBRE: Factor w/ 6 levels "","-","1 o 2 veces por semana",..: 3 4 6 6 6 4 3 6 4 3 ...
## $ ESTU_DEDICACIONINTERNET : Factor w/ 7 levels "","-","30 minutos o menos",..: 5 5 6 5 4 6 4 3 5 3 ...
## $ COLE_GENERO : Factor w/ 3 levels "FEMENINO","MASCULINO",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ COLE_NATURALEZA : Factor w/ 2 levels "NO OFICIAL","OFICIAL": 1 2 2 1 1 1 2 2 1 2 ...
## $ COLE_CALENDARIO : Factor w/ 3 levels "A","B","OTRO": 1 1 1 1 1 1 1 1 1 1 ...
## $ COLE_CARACTER : Factor w/ 6 levels "","-","ACADÉMICO",..: 3 3 6 3 3 3 3 3 5 6 ...
## $ COLE_JORNADA : Factor w/ 6 levels "COMPLETA","MAÑANA",..: 1 2 2 2 1 1 2 3 1 6 ...
## $ PUNT_LECTURA_CRITICA : int 60 62 63 64 52 55 57 75 53 55 ...
## $ PUNT_MATEMATICAS : int 65 54 57 56 66 64 51 73 48 62 ...
## $ PUNT_C_NATURALES : int 54 61 55 59 54 57 45 59 43 74 ...
## $ PUNT_SOCIALES_CIUDADANAS : int 59 73 57 60 52 57 38 75 46 59 ...
## $ PUNT_INGLES : num 63 53 52 68 58 59 56 64 46 64 ...
## $ PUNT_GLOBAL : int 299 309 288 302 281 292 242 350 237 313 ...
## $ ESTU_FECHANACIMIENTO : Factor w/ 4572 levels "01/01/1900 12:00:00 AM",..: 2283 1495 478 2160 1581 4079 1016 2675 3054 3750 ...
## $ ESTU_GENERO : Factor w/ 3 levels "-","F","M": 3 3 3 3 3 3 3 3 3 3 ...
## $ ESTU_GENERACION.E : Factor w/ 4 levels "GENERACION E - EXCELENCIA DEPARTAMENTAL",..: 4 3 4 4 4 4 4 2 4 3 ...
colnames(icfes)
## [1] "ESTU_DEPTO_RESIDE" "FAMI_ESTRATOVIVIENDA"
## [3] "FAMI_PERSONASHOGAR" "FAMI_EDUCACIONPADRE"
## [5] "FAMI_EDUCACIONMADRE" "FAMI_TIENEINTERNET"
## [7] "FAMI_TIENECOMPUTADOR" "FAMI_COMELECHEDERIVADOS"
## [9] "FAMI_COMECARNEPESCADOHUEVO" "FAMI_COMECEREALFRUTOSLEGUMBRE"
## [11] "ESTU_DEDICACIONINTERNET" "COLE_GENERO"
## [13] "COLE_NATURALEZA" "COLE_CALENDARIO"
## [15] "COLE_CARACTER" "COLE_JORNADA"
## [17] "PUNT_LECTURA_CRITICA" "PUNT_MATEMATICAS"
## [19] "PUNT_C_NATURALES" "PUNT_SOCIALES_CIUDADANAS"
## [21] "PUNT_INGLES" "PUNT_GLOBAL"
## [23] "ESTU_FECHANACIMIENTO" "ESTU_GENERO"
## [25] "ESTU_GENERACION.E"
#icfes$PUNT_C_NATURALES
#icfes$PUNT_GLOBAL
#icfes$PUNT_INGLES
#icfes$PUNT_LECTURA_CRITICA
#icfes$PUNT_MATEMATICAS
#icfes$PUNT_SOCIALES_CIUDADANAS
#Libreria para graficas
library(plotly)
## Loading required package: ggplot2
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
#librerias para cargar una imagen
library(png)
library(grid)
#img <- readPNG("icfes_easynube.png")
img <- readPNG("ucentral.png")
get_img <- rasterGrob(img,interpolate=TRUE)
#Selecionamos la data
pgrafica <- subset(icfes, ESTU_GENERO == c("M","F"),
select = c( `PUNT_C_NATURALES`,`PUNT_GLOBAL`,`PUNT_INGLES`,`PUNT_LECTURA_CRITICA`,`PUNT_MATEMATICAS`,`PUNT_SOCIALES_CIUDADANAS`,`ESTU_GENERO` ))
#Cambiamos el nombre de los encabezados
columnitas <- c("GLOBAL","INGLES","MATEMATICAS","SOCIALES_CIUDADANAS","LECTURA_CRITICA","C_NATURALES","GENERO")
colnames(pgrafica) <- columnitas
p1 <- ggplot(pgrafica) +
aes(x=GLOBAL, color=GENERO) +
geom_boxplot() +
coord_flip() +
labs(x = "puntuacion global", y = "genero", title = "Puntuacion global vs genero") +
theme(axis.text.y = element_blank(), axis.ticks = element_blank())
p2 <- ggplot(pgrafica) +
aes(x=GLOBAL, color=GENERO) +
geom_boxplot() +
labs(x = "puntuacion global", y = "genero", title = "Puntuacion global vs genero") +
theme(axis.text.y = element_blank(), axis.ticks = element_blank())
library(ggpubr)
ggarrange(p1, p2, common.legend = TRUE,legend = "bottom",
ncol = 2, nrow = 1) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
columnitas <- c("GLOBAL","INGLES","MATEMATICAS","SOCIALES_CIUDADANAS","LECTURA_CRITICA","C_NATURALES","AÑO")
pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F"))
global <- pg_Genero_M$PUNT_GLOBAL
ingles <- pg_Genero_M$PUNT_INGLES
matematicas <- pg_Genero_M$PUNT_MATEMATICAS
sociales <- pg_Genero_M$PUNT_SOCIALES_CIUDADANAS
lectura <- pg_Genero_M$PUNT_LECTURA_CRITICA
ciencias <- pg_Genero_M$PUNT_C_NATURALES
genero <- pg_Genero_M$ESTU_GENERO
ano <- substr(pg_Genero_M$ESTU_FECHANACIMIENTO, start = 7, stop = 10)
#Creamos el nuevo DF
puntuacion_df <- data.frame(global,genero,ano)
#Cambiamos los nombres
colnames(puntuacion_df) <- c("global","genero","año")
#filtramos por decadas
#puntuacion1_df <- subset(puntuacion_df, año == c("2019","2018","2017","2016",,"2015"))
library(DT)
library(ggpubr)
puntuacion1_df <- puntuacion_df %>% filter(año == c('1980','1981','1982'))
p1 <- ggplot(puntuacion1_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion2_df <- puntuacion_df %>% filter(año == c('1983','1984','1985'))
p2 <- ggplot(puntuacion2_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p1,p2, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 2) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
puntuacion3_df <- puntuacion_df %>% filter(año == c('1986','1987','1988'))
p3 <- ggplot(puntuacion3_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion4_df <- puntuacion_df %>% filter(año == c('1989','1990','1991'))
p4 <- ggplot(puntuacion4_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p3,p4, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 2) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
puntuacion5_df <- puntuacion_df %>% filter(año == c('1992','1993','1994'))
p5 <- ggplot(puntuacion5_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion6_df <- puntuacion_df %>% filter(año == c('1995','1996','1997'))
p6 <- ggplot(puntuacion6_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p5,p6, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 2) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
puntuacion7_df <- puntuacion_df %>% filter(año == c('1998','1999','2000'))
p7 <- ggplot(puntuacion7_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion8_df <- puntuacion_df %>% filter(año == c('2001','2002','2003'))
p8 <- ggplot(puntuacion8_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p7,p8, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 2) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
puntuacion9_df <- puntuacion_df %>% filter(año == c('2004','2005','2006'))
p9 <- ggplot(puntuacion9_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion10_df <- puntuacion_df %>% filter(año == c('2007','2008','2009'))
p10 <- ggplot(puntuacion10_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p9,p10, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 2) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
puntuacion11_df <- puntuacion_df %>% filter(año == c('2010','2011','2012'))
p11 <- ggplot(puntuacion11_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion12_df <- puntuacion_df %>% filter(año == c('2013','2014','2015'))
p12 <- ggplot(puntuacion12_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p11, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 1) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
puntuacion13_df <- puntuacion_df %>% filter(año == c('2016','2017','2018'))
p13 <- ggplot(puntuacion13_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
puntuacion14_df <- puntuacion_df %>% filter(año == c('2019','2020','2021'))
p14 <- ggplot(puntuacion14_df)+
aes(x=global, color=genero) +
geom_boxplot() +
theme_minimal() +
facet_wrap(~año) +
xlab("\n Puntuacion global") + ylab("Genero") + ggtitle("año") +
guides(fill=guide_legend(title="Puntuacion global por edad"))
ggarrange(p13,p14, common.legend = TRUE,legend = "bottom",
ncol = 1, nrow = 2) +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
#sumamos columnas
#colSums(puntuacion_df/length(icfes$PUNT_GLOBAL))
#Comparadores
# == Igual
# != No igual
# < Menor
# <= Meno o igual que
# > Mayor
# >= Mayor o igual que
# | o
# ! no
# %in% Buscar en el Dataset
#summary(icfes$PUNT_GLOBAL)
library(DT)
columnitas <- c("GLOBAL","INGLES","MATEMATICAS","SOCIALES_CIUDADANAS","LECTURA_CRITICA","C_NATURALES","AÑO")
pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F"))
global <- pg_Genero_M$PUNT_GLOBAL
ingles <- pg_Genero_M$PUNT_INGLES
matematicas <- pg_Genero_M$PUNT_MATEMATICAS
sociales <- pg_Genero_M$PUNT_SOCIALES_CIUDADANAS
lectura <- pg_Genero_M$PUNT_LECTURA_CRITICA
ciencias <- pg_Genero_M$PUNT_C_NATURALES
genero <- pg_Genero_M$ESTU_GENERO
ano <- substr(pg_Genero_M$ESTU_FECHANACIMIENTO, start = 7, stop = 10)
#Creamos el nuevo DF
puntuacion_df <- data.frame(global,genero,ano)
#Cambiamos los nombres
colnames(puntuacion_df) <- c("global","genero","año")
#Filtramos para quitar los estremos vacios
grafica3 <- filter(puntuacion_df,año > 1970)
ggplot(grafica3)+
aes(global, año, colour = genero) +
geom_point() +
labs(x = '', y = '', title = 'Puntuacion vs año * genero') +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
BOGOTA_IMA1 <- ggplot(grafica3)+
aes(global, año, colour = genero) +
geom_point() +
labs(x = '', y = '', title = 'Puntuacion vs año * genero') +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
ggplotly(BOGOTA_IMA1)
#Filtramos para quitar los estremos vacios
grafica3 <- filter(puntuacion_df,año > 2000 & año < 2005)
BOGOTA_IMA1 <- ggplot(grafica3)+
aes(global, año, colour = genero) +
geom_point() +
labs(x = '', y = '', title = 'Puntuacion vs año * genero') +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)
ggplotly(BOGOTA_IMA1)
library(DT)
columnitas <- c("GLOBAL","INGLES","MATEMATICAS","SOCIALES_CIUDADANAS","LECTURA_CRITICA","C_NATURALES","AÑO")
pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F"))
global <- pg_Genero_M$PUNT_GLOBAL
ingles <- pg_Genero_M$PUNT_INGLES
matematicas <- pg_Genero_M$PUNT_MATEMATICAS
sociales <- pg_Genero_M$PUNT_SOCIALES_CIUDADANAS
lectura <- pg_Genero_M$PUNT_LECTURA_CRITICA
ciencias <- pg_Genero_M$PUNT_C_NATURALES
genero <- pg_Genero_M$ESTU_GENERO
jornada <- pg_Genero_M$COLE_JORNADA
ano <- substr(pg_Genero_M$ESTU_FECHANACIMIENTO, start = 7, stop = 10)
internet <- pg_Genero_M$FAMI_TIENEINTERNET
#Creamos el nuevo DF
puntuacion_df <- data.frame(global,jornada,genero,internet)
#Cambiamos los nombres
colnames(puntuacion_df) <- c("global","jornada","genero","internet")
BOGOTA_IMA1 <- ggplot(puntuacion_df) +
geom_histogram(bins=10,fill='lightgreen',col='black') +
aes(x = global,y=..density..,) +
labs(x = '\n puntuacion global', y = '\n Frecuencias', title = 'Puntuacion vs tipo de jornada') +
facet_wrap( ~ jornada) +
theme_minimal() +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)# elimina grid de fondo
ggplotly(BOGOTA_IMA1)
library(DT)
columnitas <- c("GLOBAL","INGLES","MATEMATICAS","SOCIALES_CIUDADANAS","LECTURA_CRITICA","C_NATURALES","AÑO")
pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F"))
#pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F") & FAMI_ESTRATOVIVIENDA==c('Estrato 1','Estrato 2','Estrato 3','Estrato 4','Estrato 5','Estrato 6'))
global <- pg_Genero_M$PUNT_GLOBAL
ingles <- pg_Genero_M$PUNT_INGLES
matematicas <- pg_Genero_M$PUNT_MATEMATICAS
sociales <- pg_Genero_M$PUNT_SOCIALES_CIUDADANAS
lectura <- pg_Genero_M$PUNT_LECTURA_CRITICA
ciencias <- pg_Genero_M$PUNT_C_NATURALES
genero <- pg_Genero_M$ESTU_GENERO
jornada <- pg_Genero_M$COLE_JORNADA
ano <- substr(pg_Genero_M$ESTU_FECHANACIMIENTO, start = 7, stop = 10)
estrato <- pg_Genero_M$FAMI_ESTRATOVIVIENDA
#Creamos el nuevo DF
puntuacion_df <- data.frame(estrato,jornada,genero)
#Cambiamos los nombres
colnames(puntuacion_df) <- c("estrato","jornada","genero")
ggplot(puntuacion_df) +
aes(x=genero, fill=jornada) +
geom_bar() +
facet_wrap( ~ estrato) +
labs(y="cantidad",x="Estrato",title="presentacion de examen por estrato y genero / jornada \n") +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)# elimina grid de fondo
library(DT)
columnitas <- c("GLOBAL","INGLES","MATEMATICAS","SOCIALES_CIUDADANAS","LECTURA_CRITICA","C_NATURALES","AÑO")
pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F") & FAMI_TIENEINTERNET == c("Si","No"))
#pg_Genero_M <- subset(icfes, ESTU_GENERO == c("M","F") & FAMI_ESTRATOVIVIENDA==c('Estrato 1','Estrato 2','Estrato 3','Estrato 4','Estrato 5','Estrato 6'))
global <- pg_Genero_M$PUNT_GLOBAL
ingles <- pg_Genero_M$PUNT_INGLES
matematicas <- pg_Genero_M$PUNT_MATEMATICAS
sociales <- pg_Genero_M$PUNT_SOCIALES_CIUDADANAS
lectura <- pg_Genero_M$PUNT_LECTURA_CRITICA
ciencias <- pg_Genero_M$PUNT_C_NATURALES
genero <- pg_Genero_M$ESTU_GENERO
jornada <- pg_Genero_M$COLE_JORNADA
ano <- substr(pg_Genero_M$ESTU_FECHANACIMIENTO, start = 7, stop = 10)
estrato <- pg_Genero_M$FAMI_ESTRATOVIVIENDA
internet <- pg_Genero_M$FAMI_TIENEINTERNET
#Creamos el nuevo DF
puntuacion_df <- data.frame(estrato,internet,genero)
#Cambiamos los nombres
colnames(puntuacion_df) <- c("estrato","internet","genero")
ggplot(puntuacion_df) +
aes(x=genero, fill=internet) +
geom_bar() +
facet_wrap( ~ estrato) +
labs(y="cantidad",x="Estrato",title="presentacion de examen por estrato y genero / internet \n") +
annotation_custom(get_img,xmin=-Inf,xmax=Inf,ymin=-Inf,ymax=Inf)# elimina grid de fondo
library(ggplot2)
ggplot(icfes, aes(x=FAMI_PERSONASHOGAR, fill=FAMI_TIENEINTERNET)) +
geom_bar() +
scale_x_discrete(labels=c("1,2","3,4","5,6","7,8","9,+"))+
xlab("") +
ylab("") +
facet_wrap( ~ FAMI_ESTRATOVIVIENDA) +
theme_minimal() +
ggtitle("Núcleo familiar")
p3 <- ggplot(icfes, fill="red") +
aes(x=FAMI_EDUCACIONPADRE)+
geom_bar(color = 'blue') +
scale_x_discrete(labels=c("pro c", "pro in ", "na", "no aplica", "no sabe", "Post","Pri c","Pri in","Secu c","Secu in","tecno c","tecno in"))+
xlab("") + ylab("") +
ggtitle("Educación papá") +
theme(axis.text.x=element_text(angle=45, hjust=1))
p4 <- ggplot(icfes, aes(x=FAMI_EDUCACIONMADRE, fill="red")) +
geom_bar(color='red') +
scale_x_discrete(labels=c("pro c", "pro in ", "na", "no aplica", "no sabe", "Post","Pri c","Pri in","Secu c","Secu in","tecno c","tecno in"))+
xlab("") +
ylab("") +
ggtitle("Educación mamá")+
theme(axis.text.x=element_text(angle=45, hjust=1))
ggarrange( p3, p4, ncol=2)
# Estadística descriptiva detallada
library(psych)
##
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
##
## %+%, alpha
library(tidyr)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
# Seleccionar solo las variables numéricas
icfes_num <- icfes[, sapply(icfes, is.numeric)]
# Excluir la variable PUNT_GLOBAL
icfes_num_1 <- select(icfes_num, -PUNT_GLOBAL)
# Convertir datos de ancho a largo
icfes_long <- gather(icfes_num_1, key = "variable", value = "valor")
# Hacer el gráfico de densidad
ggplot(icfes_long, aes(x = valor, fill = variable)) +
geom_density(alpha = 0.5) +
theme_classic() +
scale_fill_hue(name = "Variable",
labels = names(icfes_num_1)) +
labs(x = "Valor", y = "Densidad") +
ggtitle("Gráfico de densidad por asignaturas")
